DINOv2 versus Supervised Visual Representations for Tooth-Level Multi- Label Diagnosis Classification on Panoramic Radiographs: A Frozen-Feature Sample-Efficiency Study

Zahnärzte verlassen sich auf Panorama-Röntgenaufnahmen, ein einzelnes, breites Bild, das den gesamten Ober- und Unterkiefer erfasst, um einen schnellen Überblick über die Mundgesundheit eines Patienten zu erhalten. Diese Bilder sind die erste Verteidigungslinie, um verborgene Probleme wie Karies, Infektionen an der Wurzel eines Zahnes oder Zähne, die es nie durch das Zahnfleisch geschafft haben, aufzuspüren. Das Lesen dieser Bilder ist jedoch schwierig. Die Details sind subtil, und selbst erfahrene Fachleute können kleine Anzeichen von Krankheiten übersehen oder uneinig darüber sein, was sie sehen. Um hierbei zu helfen, haben Forscher auf künstliche Intelligenz zurückgegriffen und Computer darauf trainiert, diese Probleme automatisch zu erkennen. Die größte Hürde in diesem Bereich ist nicht der Bau des Computerprogramms, sondern das Finden der Daten, um es zu lehren. Um ein System darauf zu trainieren, eine spezifische Krankheit zu erkennen, müssen Experten tausende Bilder manuell bearbeiten, indem sie Kästchen um jeden einzelnen Zahn zeichnen und genau beschriften, was damit nicht stimmt. Dieser Prozess ist langsam, teuer und erfordert hochqualifizierte menschliche Arbeit. Aus diesem Grund suchen Wissenschaftler ständig nach Wegen, Computer mit weniger menschlicher Hilfe intelligenter zu machen, in der Hoffnung, eine Methode zu finden, die selbst dann effektiv lernt, wenn es nur sehr wenige beschriftete Beispiele zum Studieren gibt.

Ein Forschungsteam setzte sich zum Ziel, einen spezifischen Ansatz für dieses Problem unter Verwendung einer großen Sammlung von Zahn-Röntgenbildern zu testen. Sie wollten sehen, ob eine moderne Art der künstlichen Intelligenz, die lernt, indem sie Millionen von unbeschrifteten Bildern eigenständig betrachtet, herkömmliche, ältere Methoden übertreffen kann, wenn die Menge der beschrifteten Trainingsdaten streng begrenzt ist. Sie konzentrierten sich auf eine Aufgabe, bei der der Computer einen spezifischen Zahn in einer Röntgenaufnahme betrachten und entscheiden musste, ob dieser eines oder mehrere der vier folgenden Zustände aufweist: Karies, tiefe Karies, eine Infektion an der Wurzel oder ein retinierter (feststeckender) Zahn. Die Forscher verglichen drei verschiedene Wege, die „Augen“ des Computers vor dem eigentlichen Lernen aus den Zahn-Röntgenbildern vorzubereiten. Die erste Methode nutzte ein hochmodernes System namens DINOv2, das mit einer massiven Bibliothek allgemeiner Bilder ohne menschliche Beschriftungen trainiert worden war. Die zweite Methode nutzte ein Standard-System, das mit einer berühmten Sammlung alltäglicher Fotos wie Katzen, Autos und Bäumen trainiert wurde, bei denen Menschen jedes Bild beschriftet hatten. Die dritte Methode war eine Kontrollgruppe, die ein System nutzte, das zuvor noch nie ein Bild gesehen hatte und lediglich zufällig rät.

Die Studie begann mit dem Testen dieser Systeme mit der vollen Menge der verfügbaren Daten. Als die Forscher den Computern Zugriff auf alle verfügbaren beschrifteten Beispiele gewährten, waren die Ergebnisse überraschend nah beieinander. Das moderne, selbstlernende System und das traditionelle, durch Menschen beschriftete System schnitten fast identisch ab und identifizierten die Zahnerkrankungen beide mit einem ähnlichen Genauigkeitsgrad. Das System, das zuvor noch nie ein Bild gesehen hatte, schnitt signifikant schlechter ab, was bestätigte, dass der Computer ein gewisses Vorwissen benötigte, um die Aufgabe zu bewältigen. Dieser anfängliche Befund deutete darauf hin, dass für eine Aufgabe mit reichlich vorhandenen Daten die ältere, etablierte Methode genauso gut war wie die neuere, komplexere.

Der wahre Test kam, als die Forscher ein Szenario simulierten, in dem menschliche Experten sehr beschäftigt sind und nur eine sehr geringe Anzahl von Beispielen beschriften können. Sie beschränkten die Trainingsdaten auf so wenig wie fünf positive Beispiele für jede Bedingung – eine Situation, die in der realen medizinischen Forschung häufig vorkommt, wenn die Datengewinnung schwierig ist. In dieser eingeschränkten Umgebung änderten sich die Ergebnisse dramatisch. Das moderne System, das aus unbeschrifteten Bildern lernte, übertraf das traditionelle System in jedem einzelnen Testlauf konsequent. Selbst mit nur fünf Beispielen zum Lernen war das selbstlernende System in der Lage, Zahnerkrankungen viel besser zu erkennen als das System, das mit menschlich beschrifteten Fotos trainiert wurde. Dieser Vorteil blieb auch bestehen, als die Forscher die Anzahl der Beispiele auf einhundert erhöhten; das selbstlernende System blieb der stärkere Akteur. Um sicherzustellen, dass dies nicht bloß daran lag, dass das moderne System eine andere Computerarchitektur verwendet, testeten die Forscher auch ein drittes, fortgeschritteneres System, das auf traditionelle Weise trainiert wurde, aber dieselbe moderne Architektur nutzte. Selbst gegen diesen faireren Gegner gewann das selbstlernende System weiterhin, was zeigte, dass seine Fähigkeit, aus sehr wenigen Beispielen zu lernen, eine echte Stärke ist.

Die Forscher erklärten sorgfältig, was ihre Ergebnisse bewiesen und was nicht. Sie zeigten, dass das selbstlernende System besser darin war, knappe Daten zu nutzen, konnten aber nicht mit Sicherheit sagen, ob dies daran lag, dass es ohne Beschriftungen lernte. Die Systeme unterschieden sich in vielen Punkten, einschließlich der Arten der Bilder, mit denen sie trainiert wurden, und der spezifischen mathematischen Rezepte, die zu ihrem Aufbau verwendet wurden. Daher liegt der Vorteil wahrscheinlich in der Kombination all dieser Faktoren und nicht an nur einem einzelnen Faktor. Darüber hinaus behauptete die Studie nicht, dass das selbstlernende System bereits bereit für den Einsatz in einer Zahnarztpraxis sei. Die Leistungsunterschiede, obwohl konsistent, waren nicht groß genug, um als klinischer Durchbruch deklariert zu werden, und die Systeme wurden nicht an Patienten aus verschiedenen Krankenhäusern oder mit unterschiedlichen Röntgengeräten getestet. Die Studie kommt zu dem Schluss, dass es für Forscher, die mit begrenzten Ressourcen arbeiten, eine leistungsstarke Strategie ist, mit einem modernen, selbstlernenden System zu beginnen. Es bietet einen Weg, das Beste aus einer geringen Anzahl von Experten-Beschriftungen herauszuholen und schafft so eine starke Grundlage für zukünftige Werkzeuge, die Zahnärzten schließlich dabei helfen könnten, Probleme genauer und schneller zu diagnostizieren.